核心观点 - 人工智能（AI）正导致传统劳动力市场分析框架（菲利普斯曲线和贝弗里奇曲线）系统性失效，经济增长与就业市场表现出现阶段性脱钩，劳动力市场信号的参考性下降 [1][2] 经典劳动力市场框架的偏离 - 以美国为代表的发达经济体劳动力市场表现正偏离传统框架：失业率维持历史低位，未随经济放缓明显抬升；工资增速放缓，通胀对劳动力市场紧张程度的反应弱于历史经验；职位空缺率处于高位，但其变化与就业改善的对应关系明显弱化 [2] - 传统以就业—通胀为主线的分析框架正面临系统性挑战，而AI是理解这一结构性变化的重要切入点 [2] AI对劳动力市场的冲击机制 - AI对就业的影响主要发生在任务层面，而非岗位层面，主要通过三条渠道展开 [3] - 任务替代效应：AI以更低成本完成具体任务，降低边际劳动需求，影响广泛发生于白领、专业服务和中等技能职业 [3] - 任务重组与生产率放大效应：AI替代部分任务后，劳动者将时间配置到未自动化任务上，缓冲就业冲击并提升企业生产率，可能带来企业规模扩张并对就业形成反向拉动 [3] - 宏观层面的就业压缩：在区域和行业层面，任务重组不能完全吸收被替代的劳动，导致AI高暴露地区（尤其是制造业和中等技能服务业）的就业率出现结构性下移 [3] 对菲利普斯曲线的影响 - AI引入系统性削弱了从失业率到工资再到通胀的传统传导链条 [4] - 有效劳动供给弹性显著上升：AI扩展了单个劳动者可完成的任务集合，单位产出所需劳动投入下降，失业率下降不再必然对应同等强度的用工约束 [4] - 工资形成机制出现分化：AI强化工资结构分层，不可替代任务获得溢价，可自动化任务面临压制，降低了平均工资对劳动力紧张程度的敏感性 [5] - 生产率提升缓冲成本冲击：AI通过降低单位边际成本，削弱了工资变动向价格的传导 [5] - 综合导致菲利普斯曲线斜率趋于平坦，通胀对失业率的相关性下降，对技术扩散速度与任务结构变化的依赖上升 [5] 对贝弗里奇曲线的影响 - AI对贝弗里奇曲线的影响更为直观，导致曲线整体外移，即相同职位空缺率对应更高的失业率 [5] - 原因在于AI替代集中于中等技能岗位，而再培训、技能转移与跨区域流动存在显著摩擦，导致结构性错配 [5] - 企业新增岗位更多指向高技能、复合任务及人机协作型职位，而失业人口集中于被AI替代的任务类型 [5] - 职位空缺数据本身信息含量下降：部分空缺反映对AI系统的补充配置或探索性需求，而非等量劳动需求，使其作为劳动力市场紧张度指标的解释力持续弱化 [5] 对货币政策范式的潜在影响 - 薪资增速对通胀的传导效率正在减弱：AI提升单位劳动效率，使企业能在不显著扩张用工下消化成本压力；工资上涨更多集中于不可替代的高技能任务，对整体消费需求与价格水平的外溢效应有限 [6] - 失业率对经济变化的反应变慢：企业更多通过放缓招聘、调整岗位结构和提高效率应对需求变化，导致就业人数和失业率对经济放缓的反应滞后 [6] - 传统宏观模型中以失业率、职位空缺率等作为周期判断和政策信号的做法，其解释力与前瞻性正在下降 [7] - 未来货币政策可能更倾向于采取前瞻性风险管理思路，在核心就业指标尚未明显走弱前，提前释放政策缓冲空间，推动宽松政策前置 [7]